Đánh Giá Sách: The Thinking Machine: Jensen Huang, NVIDIA, và Con Chip Vi Điểm Được Mong Muốn Nhất Thế Giới của Stephen Witt

The Thinking Machine: Jensen Huang, NVIDIA, và Con Chip Vi Điểm Được Mong Muốn Nhất Thế Giới khác biệt so với hầu hết các cuốn sách viết về trí tuệ nhân tạo vì nó tiếp cận chủ đề từ một hướng mà nhiều người đọc có kiến thức kỹ thuật, bao gồm cả tôi, đãhistorically đánh giá thấp.

Giống như nhiều người đã theo dõi AI trong nhiều năm, sự hiểu biết của tôi về lĩnh vực này được định hình bởi các cột mốc quen thuộc. Câu chuyện thường bắt đầu vào năm 1956 với hội thảo Dartmouth, sau đó đi qua các hệ thống biểu tượng sớm, rồi nhảy tới các khoảnh khắc quan trọng như Deep Blue đánh bại Garry Kasparov, DeepMind làm chủ Go, và gần đây hơn OpenAI chứng minh rằng các mô hình ngôn ngữ lớn có thể phối hợp chiến lược trong môi trường đa người chơi phức tạp. Những khoảnh khắc này mang lại sự hài lòng về mặt trí tuệ và dễ nhớ vì chúng tập trung vào các chiến thắng có thể nhìn thấy.

Điều mà cuốn sách của Stephen Witt làm rất tốt là thách thức cách định hình đó. Thay vì tập trung vào các khoảnh khắc khi AI gây ấn tượng với thế giới, The Thinking Machine tập trung vào lớp dưới bề mặt ít hơn những thành tựu đó. Nó lập luận một cách thuyết phục rằng kỷ nguyên AI hiện đại không được mở khóa chủ yếu bởi các ý tưởng thông minh đơn thuần, mà bởi một sự thay đổi cơ bản trong cách tính toán được thực hiện.

Bằng cách tập trung câu chuyện vào NVIDIA (NVDA ) và người đồng sáng lập Jensen Huang, Witt định hình lại cuộc cách mạng AI như một câu chuyện về kiến trúc tính toán, hệ sinh thái nhà phát triển và tầm nhìn dài hạn. Kết quả không chỉ là một tiểu sử công ty, mà còn là một chương bị thiếu trong lịch sử rộng lớn hơn của trí tuệ nhân tạo.

Từ Trò Chơi Video Đến Một Thể Loại Tính Toán Mới

NVIDIA bắt đầu từ rất xa so với những tham vọng cao cả hiện được liên kết với trí tuệ nhân tạo. Công ty ra đời vào năm 1993 như một nhà sản xuất chip đồ họa, tập trung vào việc tạo ra các thế giới trò chơi video ngày càng thực tế. Thách thức tại thời điểm đó không phải là trí tuệ, mà là tốc độ. Trò chơi yêu cầu một lượng lớn tính toán được thực hiện ngay lập tức để mô phỏng ánh sáng, chuyển động và độ sâu.

Giải pháp mà NVIDIA theo đuổi là tính toán song song. Tính toán song song có nghĩa là thực hiện nhiều tính toán cùng một lúc thay vì thực hiện chúng tuần tự. Thay vì dựa vào một lõi mạnh mẽ duy nhất xử lý một lệnh sau một lệnh, GPU sử dụng hàng nghìn lõi nhỏ hơn hoạt động đồng thời trên các hoạt động toán học tương tự. Cách tiếp cận này đặc biệt mạnh mẽ cho các khối lượng công việc liên quan đến việc lặp lại các tính toán giống nhau trên các tập dữ liệu lớn.

Ban đầu, kiến trúc này được xây dựng cho đồ họa. Tuy nhiên, Witt chỉ ra cách quyết định này đã tạo ra nền tảng lý tưởng cho mạng nơ-ron hàng thập kỷ sau. Việc đào tạo các mô hình AI hiện đại liên quan đến số lượng lớn các hoạt động toán học giống nhau được áp dụng trên các tập dữ liệu lớn. GPU đã được tối ưu hóa cho chính loại công việc đó.

Điều khiến phần này của cuốn sách hấp dẫn là cách rõ ràng Witt kết nối các quyết định thiết kế kỹ thuật với sự sống còn. NVIDIA không chọn tính toán song song vì họ dự đoán trí tuệ nhân tạo. Họ chọn nó vì đó là cách duy nhất để cạnh tranh trong đồ họa thời gian thực. Sự cần thiết đó đã buộc công ty phải làm chủ một mô hình tính toán sẽ sau này chứng minh là chuyển đổi sâu sắc vượt xa trò chơi.

Jensen Huang và Tư Duy Theo Hệ Thống, Không Phải Sản Phẩm

Ở trung tâm của câu chuyện này là Jensen Huang, được miêu tả không phải là một giám đốc điều hành thông thường, mà là một người luôn nghĩ theo hệ thống chứ không phải sản phẩm riêng lẻ. Witt miêu tả Huang là một người đòi hỏi cao, mãnh liệt và thường khó khăn, nhưng cũng đáng chú ý về sự nhất quán trong cách ông nhìn nhận công nghệ trong thời gian dài.

Khi các đối thủ cạnh tranh coi GPU là các thành phần có thể thay thế gắn liền với chu kỳ trò chơi, Huang coi chúng là nền tảng của một nền tảng tính toán rộng lớn hơn. Sự khác biệt này trở nên quan trọng. Sản phẩm có thể được thay thế. Nền tảng thì có thể tích lũy.

Trong nội bộ, NVIDIA phản ánh tâm trạng này. Các kỹ sư được khuyến khích suy nghĩ về tương lai. Phần mềm được coi là quan trọng về mặt chiến lược không kém so với silicon. Đầu tư được thực hiện vào công cụ và hỗ trợ nhà phát triển lâu trước khi có nhu cầu rõ ràng. Nhiều lựa chọn này dường như quá mức hoặc không cần thiết tại thời điểm đó. Trong hồi tưởng, chúng tạo ra một lợi thế mà các đối thủ cạnh tranh khó có thể vượt qua.

Witt làm rõ rằng sự trỗi dậy của NVIDIA không phải là điều không thể tránh khỏi. Công ty đã gần như thất bại hơn một lần. Điều mang nó đi前 là không phải một đột phá duy nhất, mà là một niềm tin bền vững rằng tính toán tăng tốc sẽ cuối cùng quan trọng hơn rất nhiều so với trường hợp sử dụng ban đầu của nó.

CUDA và Câu Chuyện Gốc AI Nhiều Người Bỏ Qua

Một trong những đóng góp quan trọng nhất của The Thinking Machine là cách nó định hình lại vai trò của CUDA trong lịch sử AI.

Trước khi đọc cuốn sách này, dễ dàng nghĩ rằng CUDA chỉ là một công cụ phát triển thành công. Witt chỉ ra tại sao nó xứng đáng được chú ý nhiều hơn. CUDA được tạo ra để làm cho tính toán song song có thể sử dụng được bên ngoài đồ họa. Trước CUDA, việc sử dụng GPU cho tính toán chung đòi hỏi phải ép buộc các vấn đề thông qua các giao diện cụ thể của đồ họa. Điều này là mong manh, không hiệu quả và chỉ giới hạn ở các chuyên gia.

CUDA đã thay đổi điều đó bằng cách cho phép các nhà phát triển lập trình GPU sử dụng các mô hình lập trình quen thuộc. Hàng nghìn lõi tính toán trở nên có thể tiếp cận được như một tài nguyên chung. Điều này đã giảm thiểu rào cản gia nhập cho tính toán hiệu suất cao theo cách mà ít người hoàn toàn đánh giá cao tại thời điểm đó.

Đây là nơi cuốn sách mạnh mẽ cộng hưởng với kinh nghiệm của tôi khi học về lịch sử AI. Câu chuyện tôi hấp thụ tập trung nặng vào các mô hình và thuật toán. Những gì The Thinking Machine làm rõ là nhiều ý tưởng đó chỉ trở nên thực tế một khi các nhà nghiên cứu có thể thực sự đào tạo chúng với quy mô.

Những nhà nghiên cứu AI nhanh chóng nhận ra rằng mạng nơ-ron là một sự kết hợp gần như hoàn hảo với tính toán song song. Việc đào tạo liên quan đến việc lặp lại các hoạt động giống nhau trên các tập dữ liệu lớn, điều chỉnh hàng triệu hoặc hàng tỷ tham số theo thời gian. CUDA cho phép quá trình này diễn ra nhanh hơn, rẻ hơn và đáng tin cậy hơn so với CPU.

Điều này trở nên đặc biệt quan trọng khi học sâu được tăng tốc và sau đó là các mô hình dựa trên transformer xuất hiện. Transformer phát triển mạnh trên quy mô. Nếu không có sự tăng tốc của GPU, nhiều mô hình định hình cho cảnh quan AI ngày nay sẽ vẫn còn là lý thuyết hoặc quá tốn kém. CUDA không sáng tạo ra những kiến trúc này, nhưng nó làm cho sự tiến hóa nhanh chóng của chúng trở nên có thể.

Điều mà Witt nắm bắt đặc biệt tốt là kết quả này không được lập kế hoạch đầy đủ. CUDA được xây dựng cho tính toán khoa học. Các nhà nghiên cứu AI đã khám phá ra sức mạnh của nó và kéo NVIDIA vào trung tâm của cuộc đua AI.

Cơ Sở Hạ Tầng Quan Trọng Hơn Thuật Toán

Một trong những nhận xét quý giá nhất của cuốn sách là tiến bộ của AI bị hạn chế không chỉ bởi ý tưởng mà còn bởi cơ sở hạ tầng. Nhiều tài khoản phổ biến tập trung vào thuật toán, thủ thuật đào tạo và tập dữ liệu. The Thinking Machine nhắc nhở người đọc rằng không một trong những điều này quan trọng nếu không có đủ khả năng tính toán.

Từ góc độ này, sự bùng nổ AI hiện đại dường như ít đột ngột hơn và bị trì hoãn hơn. Mạng nơ-ron đã tồn tại trong nhiều thập kỷ. Điều thay đổi là sự sẵn có của phần cứng có khả năng đào tạo chúng với quy mô có ý nghĩa.

NVIDIA không chỉ cung cấp các chip nhanh hơn. Nó xây dựng một hệ sinh thái gồm phần cứng, thư viện phần mềm và công cụ nhà phát triển củng cố lẫn nhau theo thời gian. Khi các nhà nghiên cứu tối ưu hóa công việc của họ cho các nền tảng NVIDIA, NVIDIA tinh chỉnh sản phẩm của mình để phục vụ tốt hơn cho các khối lượng công việc AI. Vòng phản hồi này tạo ra một lợi thế bền vững mà mở rộng xa hơn hiệu suất thô.

Cuốn sách nhấn mạnh một cách tinh tế rằng sự lãnh đạo trong AI được định hình bởi chuỗi cung ứng, khả năng sản xuất, hệ sinh thái phần mềm và kiểm soát nền tảng, không chỉ là sự thông minh của nghiên cứu.

Tầm Nhìn, Rủi Ro và Hậu Quả Tích Lũy

Witt không ngần ngại trước những ý nghĩa của sự thống trị của NVIDIA. Khi công ty trở thành nền tảng cơ bản cho cơ sở hạ tầng AI toàn cầu, ảnh hưởng của nó tăng lên tương ứng. Niềm tin của Jensen Huang rằng tính toán tăng tốc sẽ định hình giai đoạn tiếp theo của tiến bộ công nghệ chạy xuyên suốt cuốn sách.

Thay vì đạo đức hóa, The Thinking Machine tập trung vào cách các quyết định kỹ thuật và chiến lược nhất quán đã tích lũy theo thời gian. NVIDIA không chiến thắng bằng cách theo đuổi các xu hướng. Nó chiến thắng bằng cách cam kết sớm với tính toán song song, chịu đựng các chu kỳ thị trường lặp đi lặp lại và đầu tư không ngừng vào các công cụ làm cho phần cứng của nó trở nên không thể thiếu.

Đối Với Người Đọc Muốn Hiểu Làm Thế Nào AI Thật Sự Tăng Tốc

Đối với những người đọc đã biết các khoảnh khắc nổi bật của lịch sử AI, cuốn sách này lấp đầy lớp dưới bề mặt thiếu sót dưới chúng. Nó giải thích tại sao những đột phá đó có thể tăng tốc khi chúng làm được, và tại sao NVIDIA xuất hiện như một lực lượng trung tâm trong quá trình này.

Đây là một cuốn sách cho những người đọc muốn hiểu trí tuệ nhân tạo như một hệ thống công nghiệp chứ không phải là một tập hợp các mô hình thông minh. Nó sẽ cộng hưởng mạnh mẽ với những người quan tâm đến chip, trung tâm dữ liệu và những quyết định kỹ thuật vô hình thường định hình quyền lực công nghệ.

The Thinking Machine thành công vì nó định hình lại câu chuyện AI từ dưới lên, chỉ ra cách tính toán song song, nền tảng nhà phát triển và tầm nhìn dài hạn đã xây dựng nền tảng mà trí tuệ nhân tạo hiện đại đang đứng trên đó.